Laporan Praktikum 1 Jaringan Syaraf Tiruan
|
|
- Utami Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TOPIK DALAM JARINGAN SYARAF TIRUAN Laporan Praktikum 1 Jaringan Syaraf Tiruan Muhammad Hafizhuddin Hilman F A K U L T A S I L M U K O M P U T E R UI
2 Pendahuluan Jaringan syarat tiruan atau artificial neural network adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. Jaringan syaraf tiruan merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut [Wikipedia]. Tujuan Tujuan dari praktikum jaringan syaraf tiruan ini adalah untuk mengetahui dan mempelajari inplementasi dari konsep jaringan syaraf tiruan yang diterapkan pada dua masalah dunia nyata yaitu klasifikasi iris dan prediksi nilai tukar mata uang dollar amerika terhadap rupiah. Permasalahan Ada dua permasalahan yang akan diselesaikan dalam praktikum ini. Permasalahan pertama adalah klasifikasi iris dan permasalahan yang kedua adalah prediksi nilai tukar mata uang dollar amerika terhadap rupiah. Kedua permasalahan ini akan diselesaikan dengan jaringan syaraf tiruan bertipe feed forward back propagation. Tools yang akan digunakan dalam praktikum ini adalah MATLAB dengan dua pendekatan, GUI dan non-gui. Permasalahan klasifikasi iris akan diselesaikan dengan pendekatan non-gui (source code akan dilampirkan) sementara permasalahan prediksi nilai tukar mata uang dollar amerika terhadap rupiah akan diselesaikan dengan pendekatan GUI. Software dan Hardware Berikut ini adalah tabel dari software dan hardware yang digunakan dalam praktikum jaringan syaraf tiruan Tabel 1. Spesifikasi Software dan Hardware yang digunakan Software Operating System: Microsoft Windows XP Professional Version 2002 Service Pack 3 Computational Tools: MATLAB Version R2009a 32-bit (win32) Hardware Processor: Intel Core Duo Processor T2300E (1.66 GHz, 667 MHz, 2 MB L2 Cache) RAM: 1526 MB
3 Permasalahan I: Klasifikasi Iris Iris adalah genus dari spesies bunga yang memiliki warna yang cukup menarik. Iris berasal dari bahasa yunani yang artinya adalah pelangi. Dataset iris merupakan data umum yang biasa digunakan dalam eksperimen klasifikasi. Dataset ini pertama kali dikenalkan oleh Sir Ronald Aylmer Fisher pada tahun 1936 sebagai contoh dari permasalahan analisis diskriminan [Wikipedia]. Dataset iris ini memiliki empat atribut yang menjadi feature dalam klasifikasi tiga kelas yang berbeda. Keempat feature tersebut adalah sepal length, sepal width, petal length, dan petal width. Sementara tiga kelas yang menjadi dasar klasifikasi adalah species yaitu setosa, versicolor, dan virginica. Desain Eksperimen Praktikum klasifikasi iris ini menggunakan feed forward back propagation yang berbasis non-gui. Data iris yang digunakan sudah tersedia pada MATLAB. Dataset iris yang ada diproses pada bagian spesies sehingga tiga jenis klasifikasi tersebut diubah menjadi bentuk numerik. Berikut ini adalah contoh tabel berisi dataset iris yang belum diproses dan yang sudah diproses Tabel 2. Dataset Iris (sebelum preprocessing) Sepal Length Sepal Width Petal Length Petal Width Species 5,1 3,5 1,4 0,2 setosa 4,9 3 1,4 0,2 setosa 4,7 3,2 1,3 0,2 setosa 4,6 3,1 1,5 0,2 setosa 5 3,6 1,4 0,2 setosa 7 3,2 4,7 1,4 versicolor 6,4 3,2 4,5 1,5 versicolor 6,9 3,1 4,9 1,5 versicolor 5,5 2,3 4 1,3 versicolor 6,5 2,8 4,6 1,5 versicolor 5,8 2,7 5,1 1,9 virginica 7,1 3 5,9 2,1 virginica 6,3 2,9 5,6 1,8 virginica 6,5 3 5,8 2,2 virginica 7,6 3 6,6 2,1 virginica
4 Tabel 2. Dataset Iris (setelah preprocessing) Sepal Length Sepal Width Petal Length Petal Width Species 5,1 3,5 1,4 0,2 1 4,9 3 1,4 0,2 1 4,7 3,2 1,3 0,2 1 4,6 3,1 1,5 0, ,6 1,4 0, ,2 4,7 1,4 2 6,4 3,2 4,5 1,5 2 6,9 3,1 4,9 1,5 2 5,5 2,3 4 1,3 2 6,5 2,8 4,6 1,5 2 5,8 2,7 5,1 1,9 3 7,1 3 5,9 2,1 3 6,3 2,9 5,6 1,8 3 6,5 3 5,8 2,2 3 7,6 3 6,6 2,1 3 Untuk praktikum ini digunakan beberapa parameter dan skenario. Berikut ini adalah beberapa parameter yang digunakan dalam praktikum Tabel 3. Parameter yang digunakan dalam praktikum Parameter Nilai/Tipe Epochs (max iteration) 1000 Learning rate / 10-5 Hidden layer 4 Momentum constant 0.95 Output function logsig dan purelin Training function trainlm Performance function mse dan sse Ada beberapa skenario yang digunakan dalam praktikum ini. Pada setiap skenario dilakukan lima kali percobaan. Berikut ini adalah skenario yang digunakan dalam pelatihan 1. TF trainlm menggunakan PF mse dan OF logsig (hasil pada tabel 4). 2. TF trainlm menggunakan PF sse dan OF logsig (hasil pada tabel 5). 3. TF trainlm menggunakan PF mse dan OF purelin (hasil pada tabel 6). 4. TF trainlm menggunakan PF sse dan OF purelin (hasil pada tabel 7).
5 Source Code data1=load('data_iris.txt'); data2=data1; datatrain=data1(:,1:size(data1,2)-1); datatest=data2(:,1:size(data1,2)-1); target = ind2vec(data1(:,size(data1,2))); target = full(target)'; targett = ind2vec(data2(:,size(data1,2))); targett = full(targett)'; hid=4; iter=1000; alva= ; %=====================train backpropagation=============% NewdataTarget=target'; [pn,meanp,stdp]=prestd(datatrain'); net=newff(minmax(pn),[hid 3],{'logsig' 'logsig'},'traingdx'); net.trainparam.epochs=iter; net.trainparam.min_grad=0; net.inputweights{1,1}.initfcn = 'initzero'; net.layerweights{2,1}.initfcn = 'initzero'; net.performfcn = 'sse'; net.trainparam.lr=alva; net.trainparam.mc=0.95; tic; net=train(net,pn,newdatatarget); training=sim(net,pn); [ind classobj]=max(training); [a tcls]=max(newdatatarget); toc; traintime=toc %=====================test backpropagation=============% testn=datatest'; ttest=targett'; [d N]=size(testn); datatesting=testn; tic; datatesting=trastd(datatesting,meanp,stdp); testing=sim(net,datatesting); [maxhasil classobj]=max(testing); toc; testime=toc
6 Hasil Eksperimen Berikut ini adalah tabel hasil praktikum yang telah dijalankan dengan skenario yang sudah disusun pada bagian sebelumnya Tabel 4. Hasil praktikum dengan skenario 1 Percobaan Epoch Time Setosa Versicolor Virginica miss Kinerja % % % % % Rata-rata % Tabel 5. Hasil praktikum dengan skenario 2 Percobaan Epoch Time Setosa Versicolor Virginica miss Kinerja % % % % % Rata-rata % Tabel 6. Hasil praktikum dengan skenario 3 Percobaan Epoch Time Setosa Versicolor Virginica miss Kinerja % % % % % Rata-rata % Tabel 7. Hasil praktikum dengan skenario 4 Percobaan Epoch Time Setosa Versicolor Virginica miss Kinerja % % % % % Rata-rata %
7 Permasalahan II: Prediksi Kurs USD Rp Salah satu implementasi dari jaringan syaraf tiruan adalah dalam permasalahan forecasting. Permasalahan forecasting yang akan dijadikan salah satu contoh pada praktikum ini adalah prediksi kurs mata uang dollar amerika terhadap rupiah. Pada praktikum ini akan digunakan data kurs mata uang dollar amerika terhadap rupiah pada bulan februari 2011 yang diambil dari kurs resmi Bank Indonesia yang akan digunakan untuk memprediksi kurs mata uang dollar amerika terhadap rupiah pada tanggal 1 maret Desain Eksperimen Praktikum forecasting kali ini masih menggunakan feed forward back propagation namun dengan pendekatan GUI. Data kurs mata uang ini diambil dari yang mengacu kepada kurs resmi yang dikeluarkan oleh Bank Indonesia. Berikut ini adalah tabel kurs mata uang dollar amerika terhadap rupiah Tabel 8. Tabel kurs dollar amerika terhadap rupiah Tanggal Nilai Jual Nilai Beli Nilai Tengah 1 Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Maret Untuk praktikum ini hanya digunakan data nilai tengah sebagai representasi dari kurs dollar amerika terhadap rupiah. Berikut ini adalah desain input dan target serta parameter yang digunakan dalam praktikum
8 Tabel 9. Desain input dan target praktikum Input Target Tanggal Nilai Tengah Tanggal Nilai Tengah 1 Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Februari Maret Untuk skenario percobaan akan digunakan skenario yang sama dengan permasalahan I 1. TF trainlm menggunakan PF mse dan OF logsig (hasil pada gambar 1). 2. TF trainlm menggunakan PF sse dan OF logsig (hasil pada gambar 2). 3. TF trainlm menggunakan PF mse dan OF purelin (hasil pada gambar 3). 4. TF trainlm menggunakan PF sse dan OF purelin (hasil pada gambar 4). Sementara berikut ini adalah parameter yang digunakan dalam praktikum
9 Hasil Eksperimen Skenario 1 (Training) Skenario 1 (Testing) Hasil prediksi kurs dollar 1 Maret 2011 = Error =
10 Skenario 2 (Training) Skenario 2 (Testing) Hasil prediksi kurs dollar 1 Maret 2011 = Error =
11 Skenario 3 (Training) Skenario 3 (Testing) Hasil prediksi kurs dollar 1 Maret 2011 = Error =
12 Skenario 4 (Training) Skenario 4 (Testing) Hasil prediksi kurs dollar 1 Maret 2011 = Error =
13 Untuk mempermudah perbandingan, berikut ini adalah tabel yang merangkum keempat skenario yang digunakan dalam prediksi kurs mata uang. Tabel 10. Tabel perbandingan keempat skenario Skenario Nilai Prediksi Error (abs) Analisis dan kesimpulan Ada beberapa cara untuk mengimplementasikan jaringan syaraf tiruan pada MATLAB, yaitu dengan pendekatan GUI maupun non-gui. Selain itu, implementasi jaringan syaraf tiruan pada sebuah permasalahan pun tidak melulu sama, pada permasalahan pertama, jaringan syaraf tiruan digunakan untuk klasifikasi sementar pada permasalahan kedua digunakan untuk forecasting. Pada permasalahan pertama, tampak bahwa skenario 1 dan 2 lebih unggul daripada skenario 3 dan 4. Dari hasil praktikum terlihat pula bahwa skenario 1 mendapat hasil yang superior dibanding skenario yang lain. Sementar itu pada permasalahan kedua, tanpak bahwa skenario 2 dan 4 lebih unggul daripada skenario 1 dan 3. Dari hasil praktikum terlihat pula bahwa skenario 4 mendapat hasil yang superior dibanding skenario yang lain.
1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pasar valuta asing telah mengalami perkembangan yang tak terduga selama beberapa dekade terakhir, dunia bergerak ke konsep "desa global" dan telah menjadi salah satu pasar
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK
BAB IV PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK Bab ini menjelaskan perancangan dan implementasi yang dilakukan. Tahap pertama dimulai dengan merancang beberapa classifier yaitu jaringan saraf tiruan
Lebih terperinciMODIFIKASI ALGORITMA PROPAGASI BALIK
MODIFIKASI ALGORITMA PROPAGASI BALIK UNTUK PENGENALAN DATA IRIS DAN DATA FERET riwinoto 1, wahyudi 2,tony 3, reinhoran 4, kusumoputro 5 1 Politeknik Batam Jurusan Teknik Informatika E-mail: riwi@polibatam.ac.id
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciBAB 4 IMPLEMENTASI. minimum 2 Giga Hertz dan memory RAM minimum 256 MB, sedangkan untuk
74 BAB 4 IMPLEMENTASI 4.1 Spesifikasi Kebutuhan Sarana Untuk menjalankan training dalam program peramalan ini diperlukan spesifikasi Hardware dengan prosesor minimum setingkat Intel Pentium IV dengan kecepatan
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciIDENTIFIKASI POLA IRIS MENGGUNAKAN METODE BACKPROPAGATION
JURNAL MANUTECH 43 IDENTIFIKASI POLA IRIS MENGGUNAKAN METODE BACKPROPAGATION Yoan Elviralita 1, Asrul Hidayat 2 1 Program Studi Teknik Mekatronika-Politeknik Bosowa 2 Program Studi Perawatan dan Perbaikan
Lebih terperinci3. METODE PENELITIAN
19 3. METODE PENELITIAN 3.1 Diagram Alir Penelitian Kerangka pemikiran pada penelitian ini dapat digambarkan dalam suatu bagan alir seperti pada Gambar 8. Gambar 8 Diagram Alir Penelitian Pengumpulan Data
Lebih terperinciBAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)
BAB 1 PENDAHULUAN 1.1 Latar Belakang Rentannya kesalahan yang dapat terjadi oleh pekerjaan yang dilakukan oleh manusia dalam menganalisa, atau ketika mencoba membangun relasi antar fitur yang berjumlah
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kebutuhan akan prediksi semakin meningkat pada era globalisasi saat ini sejalan dengan keinginan masyarakat khususnya pelaku bisnis untuk memberikan tanggapan
Lebih terperinciBAB III METODE PENELITIAN
3.1. Kerangka Pemikiran BAB III METODE PENELITIAN Permasalahan yang akan dijawab atau tujuan yang ingin dicapai pada penelitian ini adalah untuk melakukan prakiraan beban listrik jangka pendek atau untuk
Lebih terperinciUKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Memprediksi situasi dalam suatu bisnis perdagangan merupakan suatu aspek yang sangat penting untuk menjaga dan memajukan bisnis tersebut. Informasi naik-turunnya
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB I PENDAHULUAN. kebutuhan utama dalam kehidupan sehari-hari. Hal ini dapat dilihat dari maraknya
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi saat ini mengalami kemajuan yang sangat pesat. Terutama internet merupakan sarana teknologi yang lazim digunakan dan menjadi kebutuhan utama
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Tahapan yang dilakukan dalam penelitian ini disajikan pada Gambar 14, terdiri dari tahap identifikasi masalah, pengumpulan dan praproses data, pemodelan
Lebih terperinciBAB 4 ANALISA DAN BAHASAN
BAB 4 ANALISA DAN BAHASAN 4.1 Spesifikasi Sistem Sistem pengenalan objek 3 dimensi terbagi atas perangkat keras dan perangkat lunak. Spesifikasi sistem baik perangkat keras maupun lunak pada proses perancangan
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 31 Pendahuluan Algoritma Resilient Backpropagation (RPROP) dibagi menjadi dua bagian proses yaitu forward pass dan backward pass Forward pass berfungsi untuk mendapatkan nilai
Lebih terperinciIDENTIFIKASI TIGA JENIS BUNGA IRIS MENGGUNAKAN ANFIS
IDENTIFIKASI TIGA JENIS BUNGA IRIS MENGGUNAKAN ANFIS Abdul Kadir Program Pascasarjana Teknik Elektro Universitas Gadjah Mada, Yogyakarta E-mail: akadir@mti.ugm.ac.id Abstract This paper was based on our
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
BAB III METODOLOGI PENELITIAN III.1 Diagram Alur (Flowchart) Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang
57 BAB 4 IMPLEMENTASI DAN EVALUASI Dalam bab ini, selain menjelaskan mengenai kebutuhan minimum untuk perangkat keras dan perangkat lunak yang digunakan untuk pemakaian aplikasi yang dihasilkan, juga akan
Lebih terperinci1. Pendahuluan 1.1 Latar belakang masalah
1. Pendahuluan 1.1 Latar belakang masalah Emas adalah unsur kimia dalam tabel periodik yang memiliki simbol Au (bahasa Latin: 'aurum') dan nomor atom 79. Emas digunakan sebagai standar keuangan di banyak
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran untuk penelitian ini seperti pada Gambar 9. Penelitian dibagi dalam empat tahapan yaitu persiapan penelitian, proses pengolahan
Lebih terperinciPemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat
Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat SKRIPSI Disusun oleh: MAULIDA NAJWA 24010212130028 DEPARTEMEN STATISTIKA
Lebih terperinciGambar 3.1 Desain Penelitian
METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Permalan Time Series, Harga Minyak Bumi, Jaringan Syaraf Tiruan, Backpropagation Pengumpulan Data Harga Minyak Bumi di Indonesia Perancangan
Lebih terperinciWAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN (JST) UNTUK MEMPREDIKSI HASIL NILAI UN MENGGUNAKAN METODE BACKPROPAGATION
IMPLEMENTASI JARINGAN SYARAF TIRUAN (JST) UNTUK MEMPREDIKSI HASIL NILAI UN MENGGUNAKAN METODE BACKPROPAGATION Yusran Program Studi Pendidikan Informatika STKIP PGRI Sumbar yusranse@yahoo.co.id Submitted
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. Data Yang Digunakan Dalam melakukan penelitian ini, penulis membutuhkan data input dalam proses jaringan saraf tiruan backpropagation. Data tersebut akan digunakan sebagai
Lebih terperinciBAB 1 Persyaratan Produk
BAB 1 Persyaratan Produk Teknologi pengolahan citra digital sudah berkembang sangat pesat pada saat ini. Hal ini dapat dilihat dari banyaknya produk pengolahan citra digital yang ditawarkan di pasaran.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Rumusan Masalah Data Penelitian Studi Literatur Penerapan spread spectrum dan model psychoacoustic pada audio watermarking Metode Pengembangan Perangkat
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Bagian terpenting dari CRM adalah memahami kebutuhan dari pelanggan terhadap suatu produk yang ditawarkan para pelaku bisnis. CRM membutuhkan sistem yang dapat memberikan suatu
Lebih terperinciBAB 1 PENDAHULUAN. Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai dikembangkan oleh banyak orang terutama dalam hal bisnis investasi. Salah satu bisnis
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Emas dahulu merupakan alat pembayaran transaksi ekonomi yang digunakan di suatu negara dengan negara lainnya. Sebagai alat tukar, emas dahulu memegang pengaruh yang
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciLABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS
LABORATORIUM SISTEM PENDUKUNG KEPUTUSAN DAN INTELIGENSIA BISNIS Latar Belakang Pelayanan terpusat di satu tempat Antrian pemohon SIM yg cukup panjang (bottleneck) Loket berjauhan Sumber daya terbatas Lamanya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Gambar 3.1 menggambarkan desain penelitian peramalan volume penumpang kereta api di pulau Jawa-Sumatera dengan metode Jaringan Syaraf Tiruan Backpropagation.
Lebih terperinciJURNAL IPTEKS TERAPAN Research of Applied Science and Education v9.i4 ( )
Research of Applied Science and Education v9.i4 (269-275 ) IMPLEMENTASI JARINGAN SYARAF TIRUAN (JST) UNTUK MEMPREDIKSI HASIL NILAI UN MENGGUNAKAN METODE BACKPROPAGATION Yusran Program Studi Pendidikan
Lebih terperinciBAB 2 KONSEP DASAR PENGENAL OBJEK
BAB 2 KONSEP DASAR PENGENAL OBJEK 2.1 KONSEP DASAR Pada penelitian ini, penulis menggunakan beberapa teori yang dijadikan acuan untuk menyelesaikan penelitian. Berikut ini teori yang akan digunakan penulis
Lebih terperinciBAB IV PERCOBAAN DAN ANALISIS. Percobaan metode kompresi citra fraktal menggunakan algoritma
BAB IV PERCOBAAN DAN ANALISIS Percobaan metode kompresi citra fraktal menggunakan algoritma genetika dilakukan menggunakan bahasa pemrograman Matlab 7.6.0.324 (R2008a). Percobaan dilakukan pada komputer
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
57 BAB 4 IMPLEMENTASI DAN EVALUASI Di dalam bab ini disajikan hasil dari perancangan program aplikasi yang telah dirancang pada bab sebelumnya. Pada bab ini juga ditampilkan hasil percobaan dengan menggunakan
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Kerangka berpikir Perubahan nilai tukar rupiah terhadap mata uang asing tidak dapat dihindari. Untuk mengatasi perubahan yang tidak pasti ini diperlukan suatu prediksi.
Lebih terperinci1 BAB III 2. 3 METODE PENELITIAN
14 1 BAB III 2. 3 METODE PENELITIAN 3.1 Sumber data Data yang digunakan dalam penelitian ini ialah data pengeluaran beban listrik harian sepanjang tahun 2008 sampai dengan tahun 2015 yang didapat dari
Lebih terperinciPrediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation
1 Prediksi Pergerakan Harga Harian Nilai Tukar Rupiah (IDR) Terhadap Dollar Amerika (USD) Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Reza Subintara Teknik Informatika, Ilmu Komputer, Universitas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Sistem peramalan nilai tukar kurs rupiah terhadap dollar Amerika menggunakan Hebb Neural
Lebih terperinciPERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI
PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh Nama : Januar Wiguna Nim : 0700717655 PROGRAM GANDA TEKNIK INFORMATIKA DAN MATEMATIKA
Lebih terperinciBAB III METODELOGI PENELITIAN. Alat yang digunakan dalam penelitian ini adalah: a. Prosesor : Intel Core i5-6198du (4 CPUs), ~2.
BAB III METODELOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Alat yang digunakan dalam penelitian ini adalah: 1. Hardware a. Prosesor : Intel Core i5-6198du CPU @2.30GHz (4 CPUs), ~2.40GHz b.
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciBAB III METODE PENELITIAN. dan bahan, agar mendapatkan hasil yang baik dan terstruktur. Processor Intel Core i3-350m.
BAB III METODE PENELITIAN 3.1 Alat dan Bahan Untuk menunjang penelitian yang akan dilakukan, maka diperlukan alat dan bahan, agar mendapatkan hasil yang baik dan terstruktur. 3.1.1 Alat Penelitian Adapun
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciPERMALAN HARGA GARAM KONSUMSI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK FEEDFORWARD- BACKPROPAGATION (STUDI KASUS : PT. GARAM MAS, REMBANG, JAWA TENGAH)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-308 PERMALAN HARGA GARAM KONSUMSI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK FEEDFORWARD- BACKPROPAGATION (STUDI KASUS : PT. GARAM
Lebih terperinciBAB II NEURAL NETWORK (NN)
BAB II NEURAL NETWORK (NN) 2.1 Neural Network (NN) Secara umum Neural Network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan syaraf manusia. NN ini merupakan
Lebih terperinciJURNAL SAINS DAN INFORMATIKA
39 Fauzul Sains Amri, dan Jaringan Informatika Syaraf Vol.1 Tiruan (N0.1) untuk (2015): Memprediksi 37-43 JURNAL SAINS DAN INFORMATIKA Research of Science and Informatic e-mail: jit.kopertis10@gmail.com
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Implementasi 4.1.1 Spesifikasi Sistem Adapun spesifikasi komputer yang digunakan pada aplikasi penelitian pengenalan ekspresi wajah ini seperti pada tabel Tabel 4.1 Spesifikasi
Lebih terperinciPREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA. Rita Rismala 1, Said Al Faraby 2
PREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA Rita Rismala 1, Said Al Faraby 2 1,2 Prodi S1 Informatika, Fakultas Informatika, Universitas Telkom 1 ritaris@telkomuniversity.ac.id,
Lebih terperinciBAB III METODOLOGI PENELITIAN. 1. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai. Processor INTEL Pentium Dual Core T4300
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian 1. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: Processor INTEL Pentium Dual Core T4300
Lebih terperinciBAB 3. METODE PENELITIAN. Desain penelitian adalah tahapan atau gambaran yang akan dilakukan
BAB 3. METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian adalah tahapan atau gambaran yang akan dilakukan dalam melakukan penelitian untuk memudahkan penyusun dalam melakukan penelitian. Berikut
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Jaringan Syaraf Biologi Jaringan Syaraf Tiruan merupakan suatu representasi buatan dari otak manusia yang dibuat agar dapat mensimulasikan apa yang dipejalari melalui proses pembelajaran
Lebih terperinciIV. HASIL DAN PEMBAHASAN A.
IV. HASIL DAN PEMBAHASAN A. Persiapan Data Untuk Analisis Jaringan Syaraf Tahapan pertama sebelum merancang model jaringan syaraf tiruan adalah menyiapkan data. Secara garis besar tahapan-tahapan dalam
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
39 BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data dan Pembahasan Data yang dimiliki dalam penelitian ini dibagi menjadi dua, yaitu: 1. Suara gamelan Bonang 2. Bukan suara Gamelan Bonang (Gamelan
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Pengimplementasian dan pengevaluasian aplikasi BlueTTS pada penelitian ini
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Aplikasi Pengimplementasian dan pengevaluasian aplikasi BlueTTS pada penelitian ini menggunakan Matlab 7.1. Beberapa hal yang dibutuhkan dalam pengembangan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang)
ANALISIS JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH RESERVASI KAMAR HOTEL DENGAN METODE BACKPROPAGATION (Studi Kasus Hotel Grand Zuri Padang) 1 Musli Yanto, 2 Sarjon Defit, 3 Gunadi Widi Nurcahyo
Lebih terperinciBAB 1 PENDAHULUAN. Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa Jepang menggunakan berbagai jenis karakter untuk sistem penulisannya. Salah satu jenis huruf Jepang adalah kana, yaitu karakter fonetis yang melambangkan
Lebih terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian adalah tahapan atau gambaran yang akan dilakukan
BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian adalah tahapan atau gambaran yang akan dilakukan dalam melakukan penelitian, untuk memudahkan peneliti melakukan penelitan dibutuhkan
Lebih terperinciBAB III METODOLOGI PENELITIAN
38 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Studi Literatur: Peramalan, Curah Hujan, Knowledge Discovery in Database, Jaringan Saraf Tiruan, Backpropagation, Optimalisasasi Backpropagation Pengumpulan
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Berikut adalah gambaran mengenai desain penelitian pencarian nilai siswa dengan menggunakan algoritma genetika: Studi Literatur Data Penelitian Metode
Lebih terperinciBAB IV PERANCANGAN DAN PEMBAHASAN
4.1 Data Yang Digunakan BAB IV PERANCANGAN DAN PEMBAHASAN Secara umum, gambaran data yang penulis peroleh dapat dilihat pada lampiran. Data tersebut adalah data hasil proses logging disajikan dalam bentuk
Lebih terperinciBAB III METODE PENELITIAN
21 BAB III METODE PENELITIAN 3.1 Desain Penelitian Pada bab ini akan dipaparkan skema umum penelitian yang dilakukan untuk mempermudah dalam melakukan penelitian. Dalam penelitian ini terdapat dua tahapan
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini kehadiran komputer semakin dibutuhkan, hal ini dikarenakan karena perkembangan teknologi yang semakin canggih. Hal ini dapat dibuktikan dari sangat
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciAplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1. Analisa dan Kebutuhan Sistem Analisa sistem merupakan penjabaran deskripsi dari sistem yang akan dibangun kali ini. Sistem berfungsi untuk membantu menganalisis
Lebih terperinciANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION
ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION Eka Irawan1, M. Zarlis2, Erna Budhiarti Nababan3 Magister Teknik Informatika, Universitas Sumatera
Lebih terperinciPrediksi IHSG Pada BEI Menggunakan Variabel Ekonomi Makro Berbasis Backpropagation Neural Network
ISSN: 2089-3787 1022 Prediksi IHSG Pada BEI Menggunakan Variabel Ekonomi Makro Berbasis Backpropagation Neural Network Agnes Novita Ida S. Fakultas Teknologi Informasi, ABFI Institute Perbanas Jln. Perbanas,
Lebih terperinciBAB III PERANCANGAN SISTEM. dimulai dengan pengambilan data secara langsung dari kendaraan yang akan
BAB III PERANCANGAN SISTEM 3.1 Perancangan Sistem Secara Umum Pada permodelan dinamika dengan jaringan Syaraf tiruan, penelitian dimulai dengan pengambilan data secara langsung dari kendaraan yang akan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Desain penelitian untuk Sistem Optimalisasi Produksi ini menggunakan
BAB 3 METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk Sistem Optimalisasi Produksi ini menggunakan model sekuensial linier. Desain penelitian untuk sistem optimalisasi produksi ini
Lebih terperinciKLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE
KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE KLASIFIKASI DATA MENGGUNAKAN JST BACKPROPAGATION MOMENTUM DENGAN ADAPTIVE LEARNING RATE Warih Maharani Fakultas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pasar pertukaran mata uang merupakan pasar keuangan dengan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pasar pertukaran mata uang merupakan pasar keuangan dengan pergerakan arus uang terbesar yakni sekitar 1,5 triliun dollar US tiap harinya di seluruh dunia. Selain itu
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
68 BAB IV IMPLEMENTASI DAN PENGUJIAN Bab ini membahas tentang program yang telah dianalisis dan dirancang atau realisasi program yang telah dibuat. Pada bab ini juga akan dilakukan pengujian program. 4.1
Lebih terperinciKLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati
KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION Dhita Azzahra Pancorowati 1110100053 Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciOptimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik
Scientific Journal of Informatics Vol. 1, No. 2, November 2014 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging)
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam perkembangan teknologi yang semakin pesat ini banyak sekali perubahan perkembangan yang telah terjadi untuk membantu kehidupan masyarakat. Dalam perkembangan
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENYAKIT SALURAN PERNAFASAN DENGAN METODE BACKPROPAGATION [1] Novi Indah Pradasari, [2] F.Trias Pontia W, [3] Dedi Triyanto [1][3] Jurusan Sistem Komputer,
Lebih terperinciAnalisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation
Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation Anjar Wanto STIKOM Tunas Bangsa Pematangsiantar Pematangsiantar, Indonesia anjarwanto@amiktunasbangsa.ac.id
Lebih terperinciBAB IV IMPLEMENTASI DAN HASIL. Algoritma memetika untuk memprediksi kurs valuta asing pada tugas
BAB IV IMPLEMENTASI DAN HASIL 4. IMPLEMENTASI Algoritma memetika untuk memprediksi kurs valuta asing pada tugas akhir ini diimplementasikan menggunakan MATLAB 7.. dan dijalankan pada Personal Computer
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam penelitian penerapan metode Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ) untuk pengenalan wajahterdiri dari empat metodologi penelitian,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Untuk menunjang kegiatan penelitian dalam bab ini akan dijabarkan alat dan bahan, desain penelitian, dan metode penelitian yang dilaksanakan. 3.1 Alat dan Bahan 3.1.1 Alat Penelitian
Lebih terperinciANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR
Jurnal Barekeng Vol. 8 No. Hal. 7 3 (04) ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR Analysis of Backpropagation Artificial Neural Network to
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Penelitian mengenai peningkatan kecepatan prediksi produksi susu sapi ini menggunakan metode eksperimen dengan metode sebagai berikut: a. Pengumpulan data
Lebih terperinciModel Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak Metode Black-Box
Model Prediksi Berbasis Neural Network untuk Pengujian Perangkat Lunak Metode Black-Box Zulkifli Program Studi Teknik Informatika STMIK Teknokrat Bandar Lampung, Indonesia zulkiflist34@yahoo.co.id Abstrak
Lebih terperinciMETODOLOGI PENELITIAN
digilib.uns.ac.id BAB III METODOLOGI PENELITIAN 3.1 Studi Literatur Studi ini dilakukan dengan cara mencari dan membaca berbagai literatur serta karya-karya penelitian mengenai topik penelitian yang sudah
Lebih terperinci